Transformaciones Lineales

5.1 Introducción a las transformaciones lineales.

El presente capitulo aborda una clase especial de funciones denominadas transformaciones lineales que ocurren con mucha frecuencia en el álgebra lineal y otras ramas de las matemáticas. Estas tienen una gran variedad de aplicaciones importantes. Antes de definirlas, se estudiaran dos ejemplos sencillos para ver lo que es posible realizar.

Ejemplo 1: reflexión respecto al eje x

En R2 se define una función T mediante la formula T(x;y)=(x;-y). Geométricamente, T toma un vector en R2 y lo refleja respecto al eje x. esto se ilustra en la figura. Una vez que se ha dado la definición básica, se vera que T es una transformación lineal de R2 en R2.

Ejemplo 2: transformación de un vector de producción en un vector de materia prima.

Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres tipos de materiales. Se identifican los cuatro productos como P¬1, P2, P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de unidades de cada materia prima que se requieren para fabricar 1 unidad de cada producto.

Ejemplo 2: transformación de un vector de producción en un vector de materia prima.

Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres tipos de materiales. Se identifican los cuatro productos como P¬1, P2, P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de unidades de cada materia prima que se requieren para fabricar 1 unidad de cada producto.

Surge una pregunta natural: si se produce cierto número de los cuatro productos, ¿Cuántas unidades de cada material se necesitan? Seanp1, p2, p3 y p4 el número de artículos fabricados en los cuatro productos y sean r1, r2, y r3 el número de unidades necesarios de los tres materiales. Entonces se define

Por ejemplo, suponga que P=(10,30,20,50). ¿Cuántas unidades de R1 se necesitan para producir estos números de unidades de los cuatro productos? De la tabla se tiene que

r=p1*2+p2*1+p3*3+p4*4=10*2+30*1+20*3+50*4=310 unidades

de manera similar r2=10*4+30*2+20*2+50*1=190 unidades

y r3=10*3+30*3+20*1+50*2=240 unidades en general se ve que

o Ap= r.

Esto se puede ver de otra manera. Si a p se le conoce como le vector de producción y a r como el vector de materia prima, se define la función T por = T(p) = Ap. Esto es, T es la función que “transforma” el vector de producción en el vector de materia prima y se hace mediante la multiplicación de matrices ordinaria. Como se verá , esta función es también una transformación lineal.

Antes de definir una transformación lineal, hablaremos un poco sobre las funciones. En la sección 1.7 se escribió un sistema de ecuaciones como

Ax=b

Donde A es una matriz de m*n, x R” y b R”. Se pidió encontrar x cuando A y b se conocían . No obstante, esta ecuación se puede ver de otra forma: suponga que A se conoce. Entonces la ecuación Ax=b “dice” : proporcione una x en R´´ y yo le daré una b en R´´´; es decir , A representa una función con dominio R´´ e imagen en R´´´.

La función que se acaba de definir tiene las propiedades de que A ( si es un escalar y A(x + y) = Ax + Ay. Esta propiedad caracteriza las transformaciones lineales.

Definición 1 transformación lineal

Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una función que asigna a cada vector v V un vector único Tv W y que satisface, para cada u y v en V y cada escalar .

T(u + v) = Tu + Tv

Y

T(av)=aTv

Tres observaciones sobre notación

1. Se escribe T: v W para indicar que T toma el espacio vectorial real V y lo lleva al espacio vectorial real W; esto es, T es una función con V como su dominio y un subconjunto de W como su imagen.

2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen “T de v”. Esto es análogo a la notación funcional ʄ(x), que se lee “ʄ de x”.

3. Gran parte de las definiciones y teoremas en este capítulo también se cumplen para los espacios vectoriales complejos (espacios vectoriales en donde los escalares son números complejos).

Ejemplo 5 La transformación identidad

Sea V un espacio vectorial y definida I: V V por Iv = v para todo v en V. Aquí es obvio que es I es una transformación lineal, la cual se denomina transformación identidad u operador identidad.

Ejemplo 6 Transformación de reflexión

Sea T:R2 R2 definida por T(x;y)=(x;-y). Es fácil verificar que T es lineal. En términos geométricos, T toma un vector en R2 y lo refleja respecto al eje y (vea la figura 5.2)

Ejemplo 7 Transformaciones de Rn Rm dada por la multiplicación por una matriz de m*n.

Sea A una matriz de m*n y definida T:R´´ R´´´ por Tx = Ax. Como A(x + y) = Ax + Ay y A( si x y y están en R´´, se observa que T es una transformación lineal. Entonces: toda matriz A de m*n se puede utilizar para definir una transformación lineal de R´´ en R´´´.

5.2 Núcleo e imagen de una transformación lineal

En esta sección se desarrollan algunas propiedades básicas de las transformaciones lineales.

Teorema 1. Sea T: V W una transformación lineal. Entonces para todos los vectores u, v, v1, v2,….vn en V y todos los escalares

Nota en la parte i el 0 de la izquierda es el vector cero en v; mientras que el cero de la derecha es el vector cero en W.

i. T(0) = T(0 + 0)= T(0) + T(0). Así 0= T(0) – T(0) = T(0) + t(0) – T(0) = T(0)

ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu – Tv.

iii.Esta parte se prueba por inducción (vea el apéndice 1). Para n = 2 se tiene T(α1v1 + α2v2) = T (α1v1) + T(α2v2) = α1Tv1 + α2Tv2. Así, la ecuación (1) se cumple para n = 2. Se supone que se cumple para n = k y se prueba para n=k + 1: T(α1v1 + α2v2+ ….+ αkvk+αk+1vk-1 ) = T(α1v1 + α2v2+….+αkvk) + T(αk+1vk+1), y usando la ecuación en la parte iii para n= k, esto es igual a (α1Tv1 + α2Tv2+….αkTvk) + αk+1Tvk+1, que es lo que se quería demostrar. Esto completa la prueba.

Observación. Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii). Un dato importante sobre las transformaciones lineales es que están completamente determinadas por el efecto sobre los vectores de la base.

Teorema 2 Sea v un espacio vectorial de dimensión finita con base B= {v1,v2,….vn}. Sean w1,w2,….wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales que T1vi = T2vi = wi para i = 1, 2,…,n. Entonces para cualquier vector v ϵ v, T 1v = T2v; es decir T1 = T2.

Como B es una base para V, existe un conjunto único de escalares α1, α2,…., αn. Tales que v = α1v1 + α2v2 + …+ αn vn.

Entonces, del inciso iii) del teorema 1, T1v = T1(α1 v1 + α2v2 + …+ αnvn) = α1T2v1 + α2T2v2 +… + αnTnvn= α1w1 + α2w2 +…+ αnTnvn

De manera similar T2v = T2(α1v1 + α2v2 + …+ αnvn) = α1T2v1 + α2T2v2 +…+ αnTnvn = α1w1 + α2w2 +…+ αnvn

Por lo tanto, T1v =T2v.

El teorema 2 indica que si T:v W y V tiene dimensión finita, entonces sólo es necesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto es, si se conoce la imagen de cada vector básico, se puede determinar la imagen de cualquier vector en V. Esto determina T por completo. Para ver esto, sean v1, v2,….vn una base en V y sea v otro vector en V. Entonces, igual que en l aprueba del teorema 2, Tv = α1Tv1 + α2Tv2 +…+ αnTvn

Así, se puede calcular Tv para cualquier vector vϵ V si se conocen Tv1,Tv2,….Tvn

Ejemplo 1 Si se conoce el efecto de una transformación lineal sobre los vectores de la base, se conoce el efecto sobre cualquier otro vector.

Sea T una transformación lineal de R3 en R2 y suponga que

Solución. Se tiene

Entonces

Surge otra pregunta; si w1,w2,….,wn son n vectores en W, ¿existe una transformación lineal T tal que Tv1 = w1 para i = 1,2,…,n? La respuesta es sí. Como lo muestra el siguiente teorema.

Definición 1 Núcleo e imagen de una transformación lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces

1 . El núcleo de T, denotado por un, está dado por

2. La imagen de T, denotado por Im T, esta dado por

Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 ϵ un T para cualquier transformación lineal T. Se tiene interés en encontrar otros vectores en V que “se transformen en 0”. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la izquierda está en V y el de la derecha en W.

Observación 2. La imagen de T es simplemente el conjunto de “imajenes” de los vectores en V bajo la transformación T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T.

Antes de dar ejemplos de núcleos e imágenes

...